[📪정보] 양자 컴퓨터 인공지능 융합 "양자 기계학습"

[특이점 만세!(121.177)]

AI 양자 컴퓨팅 “거대 흐름”

과학자들은 점점 더 복잡한 프로그램을 실행하기 위해 고전 컴퓨터 하드웨어와 소프트웨어를 개선해 왔지만 기존 방식의 최적화는 한계에 직면하고 있다.

러시아 모스크바의 스콜텍(Skolkovo Institute of Science and Technology) 양자 물리학자 제이콥 비몬테(Jacob Biamonte)는 인공 지능(AI) 기계 학습(Machine Learning)이 양자컴퓨터와 결합하는 거대한 새 흐름을 예고한다.

양자 기계학습 모델링 ‘TFQ’

AI 기술 업체들도 양자 컴퓨팅 융합에 착수했다. 이번 주 구글(Google)은 양자 기계학습 모델 프로토타이핑을 위한 오픈 소스 라이브러리 ‘텐서플로우(TensorFlow)’ 새로운 버전 ‘TensorFlow Quantum(TFQ)’을 출시했다.

TFQ는 자연 및 인공 양자시스템을 구축하고 제어하기 위해 양자컴퓨팅 및 기계학습 연구 커뮤니티의 기술을 통합하는 데 필요한 도구를 제공하도록 설계됐다.

양자 컴퓨팅의 목적은 고전 컴퓨터를 지원하고 확장하는 것이다. 양자 컴퓨터는 고전 컴퓨터보다 훨씬 정확하고 효율적으로 작업을 수행하도록 설계돼 개발자에게 특정 응용 프로그램을 위한 새로운 도구를 제공한다. 시스템 최적화와 같은 특수한 기능에 고전 컴퓨터가 필요하다.

거대 데이터 세트 연산

AI 기계학습 기술은 많은 양의 데이터를 사용하기 때문에 기존 컴퓨터에서 이러한 대규모 데이터 세트를 평가하기가 어렵다. 반면, 양자 컴퓨터는 복잡한 패턴을 파악하고 예외를 매우 빠르게 발견, 방대한 양의 데이터를 관리하도록 설계됐다. 양자 컴퓨터 설계 개선과 양자 오류 수정 코드의 개선으로 개발자는 큐비트(Qubits)의 잠재력을 보다 잘 활용할 수 있다.

대용량 데이터를 샘플링하는 것 외에도 양자 컴퓨팅이 혁명을 촉진하는 또 다른 방법은 모든 종류의 비즈니스 문제를 해결하기 위해 최적화하는 것이다. 양자 컴퓨터는 더 나은 결정을 내릴 수 있도록 비즈니스에 역량을 제공할 수 있다. AI 기술 회사가 양자컴퓨팅 기술에 적극 투자하는 이유다.

복잡한 데이터 세트 통합

제약, 금융 및 생명공학과 같은 산업에서 생성되는 데이터의 양이 증가함에 따라 기존 회사는 고전적인 컴퓨팅의 한계에 직면하고 있다. 때로는 주요 데이터가 충분하지 않을 수 있으며 다양한 데이터 세트가 상호 배치될 때가 많다. 더 나은 데이터 프레임워크를 갖기 위해 복잡한 상황을 모델링 할 수 있는 잠재적 처리 능력이 요구된다. 양자 컴퓨터는 대규모 데이터 세트를 신속하게 분석하고 통합해 인공지능 ML을 개선 및 전환할 수 있다.

보안사고 탐지

은행 및 금융 부문에서 AI 양자 컴퓨팅을 적용하면 해킹 등 보안사고를 탐지 하고 대처하는 데 도움이 된다. AI 양자 컴퓨팅을 사용하면 기존에는 파악하기 어려운 패턴을 감지 할 수 있을 뿐만 아니라 알고리즘 개선으로 기계가 이러한 목적으로 처리할 수 있는 정보의 양을 관리하는 데 도움이 될 수 있다. 고급 추천 시스템 등 시스템 성능을 향상시키는 데 사용할 수 있는 몇 가지 양자 모델이 있다.

극복해야 할 기술적 장애도 존재한다.

양자 컴퓨팅은 사람이 읽을 수 있는 데이터가 아닌 양자 상태에서 작동하기 때문에 일종의 ‘락인 증후군(lock-in syndrome)’으로 어려움이 있다. 아직 명확한 답이 없기 때문에 양자 알고리즘의 장점에 대해 무심한 경우가 많다.

큐비트 변동과 불안정성

양자 컴퓨팅의 주요 문제 중 하나는 큐비트(qubits)의 변동성이다. 컴퓨팅 프로세스의 모든 비트는 1 또는 0의 상태에 있어야 하지만 큐비트는 0과 1의 모든 조합을 나타낼 수 있으며 다른 큐비트와 상호 작용할 수 있다.

따라서 이러한 상호 작용을 제어하는 것은 매우 복잡하고 큐비트의 불안정성으로 인해 입력이 손실되거나 변경돼 결과의 정확성이 떨어질 수 있다.

환경과 상호작용 민감도

양자 컴퓨팅은 특히 컴퓨터가 외부 환경과 상호 작용할 때 민감하다. 상호 작용이나 측정으로 인해 결풀림(decoherence)고도 하는 양자 얽힘상태(coherence)가 무너지기 때문이다. 환경과 얽매이지 않고 양자 시스템, 특히 계산을 위해 설계된 공학 시스템을 분리하는 것은 어려운 일이다. 따라서 큐비트 수가 많을수록 일관성을 유지하기가 더 어렵다.

오류 수정

양자 컴퓨팅의 오류 수정은 분리 및 기타 노이즈로 인한 오류로부터 양자 정보를 보호하는 데 사용된다. 그러므로, 양자 노이즈, 불량 양자 게이트, 불량 양자 준비 및 불량 측정( faulty measurements)을 처리할 수있는 내결함성(fault-tolerant) 양자 컴퓨팅을 달성하는 것이 필수적이다. 그러나 비복제 정리( no-cloning theorem)로 인해 임의의 알려지지 않은 양자 상태 정보를 복사하는 것은 불가능하며, 이는 양자 오류수정 이론을 공식화하는 데 장애가 된다.

상태 준비 제약

양자 컴퓨팅의 기본 및 필수 단계 중 하나는 상태 준비(State Preparation)다. 그러나 대부분의 경우 올바르게 진행하려면 큐비트가 중첩 상태에 있어야 한다. 중첩 및 얽힘의 특성으로 인해 다양한 문제가 발생, 큰 시스템에서는 로컬 변환을 사용하는 ‘상태 전환(state transition)’이 현실적이지 않다. 모델 양자 컴퓨팅 시스템으로 사용하는 큰 시스템은 순수한 상태 대신 혼합상태를 구현하는 경향이 있다.

http://scimonitors.com/%ec%96%91%ec%9e%90-%ec%bb%b4%ed%93%a8%ed%84%b0-%ec%9d%b8%ea%b3%b5%ec%a7%80%eb%8a%a5-%ec%9c%b5%ed%95%a9-%ec%96%91%ec%9e%90-%ea%b8%b0%ea%b3%84%ed%95%99%ec%8a%b5/

[이 댓글은 게시물 작성자가 삭제하였습니다.]

이 댓글은 게시물 작성자가 삭제하였습니다.

[익명(58.226)]

인공지능을 알고리즘개발에 사용한다는건가 아니면 오류해결쪽인가 - dc App